Goal I want to fully control most devices in my room and monitor the performance and power consumption of my PC and server, so I am building a DIY monitoring side display. This will be split into two series: 1. A high-performance side display based on Raspberry Pi. 2.
简介 实时渲染中重要的一环是计算间接光照，间接光照有多种实现方式，屏幕空间反射是其中的一种，我将尝试实现屏幕空间反射，把它加进我的渲染器中。 原理 原理就是在视口空间中做简单的raymarch。 对于屏幕上任意一点( p ): 1.根据摄像机方向( L )与当前点( p )的法向( N )，计算反射方向 ( RDir = reflect(L,N) ) 2.从p点出发，沿着反射的方向进行光线步进：( rayPos = p + step * RDir ),其中step为步进的长度 3.对于每次步进，比较( rayPos )和( rayPos.xy )对应屏幕空间的( z )值。 ->如果相差小于一个阈值 ( eps ) 则发生相交，取该点的颜色为( p )点的反射值； -> 否则回到第2步循环。 原理十分简单，
Introduction An important part of real-time rendering is computing indirect lighting. There are many ways to implement indirect lighting, and screen space reflection is one of them. I will try to implement screen space reflection and add it to my renderer. Principle The principle is simple ray marching in
NeRF代表"Neural Radiance Fields"，是一种用于三维场景重建和渲染的计算机图形学技术。它是由Benjamin Mildenhall等人于2020年提出的一篇论文中引入的。NeRF旨在解决传统基于多视角图像的三维重建方法中存在的一些问题，例如视角依赖性和合成新视角时的不真实感。 NeRF与人体重建总结ppt 下面是结合网络上的资料和我自己的理解写了一个ppt： 📁 File: NeRFDigitalHuman Download 📁 File: NeRFDigitalHuman Download Instant Volumetric Head Avatars 论文解析 概述 本篇论文介绍了一种使用Instant-ngp加速的NeRF与人体参数化模型结合的工作。 本文将会尝试介绍它的原理以及运行作者提供的代码。 INSTA parper主页https://zielon.github.io/insta/ code https://github.com/Zielon/INSTA 原理解析 结合网络上的资料和自己的理解，写了一个解析
NeRF stands for Neural Radiance Fields. It is a computer-graphics technique for 3D scene reconstruction and rendering. It was introduced in a 2020 paper by Benjamin Mildenhall and others. NeRF aims to solve some problems in traditional multi-view-image-based 3D reconstruction, such as view dependency and unrealistic
本文会介绍使用Vulkan来实现实时光线追踪的过程。 Vulkan是一个低开销、跨平台的二维、三维图形与计算的API，比起OpenGL更加底层，更加底层意味着可以优化性能表现的地方更多，可以提供较高的性能表现。 光线追踪（英语：ray tracing）是三维计算机图形学中的特殊渲染算法，追踪光线从来源开始照射到物体上，再由物体反射的光线“路径”，由于完整运算所有路径十分消耗运算资源，因此现有光线追踪技术仅运算“目所能及”的光线路径。 实时光线追踪(Real-Time Ray Tracing)原理上与光线追踪没有区别，而是使用了硬件加速、减少采样量、步进长度来减少计算量，最后可以达到实时水平（每秒可以绘制多帧画面）。细节可以参考高质量实时渲染：实时光线追踪 图1是实时光追在 Wolfenstein: Youngblood 中的应用对比。 图1 (左侧没有开启反射 右侧开启光线追踪的反射) 技术路线 1 学习vulkan 过程： 通过学习https://vulkan-tutorial.com/ 和https://vkguide.dev/
This article introduces the process of implementing real-time ray tracing with Vulkan. Vulkan is a low-overhead, cross-platform API for 2D, 3D graphics, and compute. Compared with OpenGL, it is lower level. Being lower level means there are more places where performance can be optimized, and it can
背景 最近在做三维人体重建方向的工作,本文会试着系统的介绍使用神经网络从二维图片/视频中提取出人体参数化模型以及纹理贴图的过程。 [0]SMPL模型学习和使用 背景 最近在做三维人体重建方向的工作，SMPL是基础，所以准备学习它。 什么是SMPL 在人体动作捕捉（motion capture）领域，SMPL 算法最为常见，它是由德国马普所提出的一种参数化的三维人体动捕模型，具有通用性、易于渲染和兼容现有商业软件（比如 UE4 和 Unity）的优点。 原理 它是一个使用几组参数就能生成一个人体模型和姿态模型的框架。 运行 1. 从官网下载SMPL模型 https://smpl.is.tue.mpg.de/download.php 2. 需要注意需要linux或者macos才能运行，我安装了WSL2 的Ubuntu 3. 解决环境依赖，把缺少的库都用apt和pip安装了，参考这个SMPL源码安装：安装成功并实现 4. 注意需要把smpl放入python的path中，放入后我这里需要将
Background Recently I have been working on 3D human reconstruction. This article tries to systematically introduce the process of extracting a parametric human body model and texture maps from 2D images or videos using neural networks. [0] Learning and Using the SMPL Model Background Recently I have been working on
背景 我们实验室做人体重建方向比较多，这个OpenPose是人体姿态估计方面非常厉害的项目，通过学习它，有助于入门人体重建。同时，它也是一个在GitHub现在拥有25k star 代码行数约12w行的开源项目，从软件开发的角度，它的设计架构也很值得学习。所以我将进行调研。 下图是OpenPose的一个运行效果。 可以看到每个人都被绘制上了合理的躯干和关节位置，而且这个算法可以实时运行！效果还是不错的。 0.ppt 结合网络资料和我自己的理解，我整理的OpenPose原理ppt： 📁 File: OpenPose Download OpenPose软件设计的ppt： 📁 File: OpenPose Download 调研计划 调研主要就是看懂论文，跑明白代码,将由以下部分组成： 1. 论文阅读分析 2. 下载和编译源代码 3. 跑通它提供的一些demo 4. 阅读和分析OpenPose的代码架构 1.论文阅读分析 整个OpenPose工作的历程是由几篇工作组成的： 首先是Realtime Multi-Person 2D Po
Background Our lab works a lot on human reconstruction. OpenPose is a very strong project in human pose estimation, and studying it helps with entering the human reconstruction field. It is also an open-source project with about 25k GitHub stars and roughly 120k lines of code. From a software-
背景 最优化方法是一门关于找凸函数的最值点的一系列方法，本文会介绍一些最优化方法的原理以及使用C++的实现。 代码在https://github.com/yufeiran/ConvexOptimization 中 目录 [1] 内点法（interior point method） [2] 2d fused lasso [3] Soft Thresholding [4] Proximal gradient descent [5] ADMM [1] 内点法（interior point method） 主要参考这篇文章【学界/编码】凸优化算法 I: 内点法(interior point method)求解线性规划问题，根据自己的理解进行实现。 主要分为两部分：数学推导和C++实现 数学推导 C+